生成AIハルシネーション対策プロンプト集｜コピペで使える7本と業務別の実例

生成AIが事実と異なる情報を断定口調で出力する「ハルシネーション」は、議事録の要約・市場調査・契約書の確認といった実務でそのまま使うほど被害が大きくなります。やっかいなのは、AIが「自信たっぷりに間違える」ため、読んだ人が気づかないまま社外資料や意思決定に流れてしまう点です。

対策の中心は、高価なシステムではなく「プロンプト（AIへの指示文）の書き方」にあります。本記事は、コピーしてすぐ使えるプロンプトを7本、議事録・市場調査・法務確認といった業務別の実例、そして同じ質問でプロンプトの有無によって出力がどう変わるか（Before/After）まで、ChatGPTを中心に整理しました。Gemini固有の機能を使った対策は、こちらの記事「Geminiのハルシネーション対策」で扱います。

弊社では、ハルシネーションを防ぐプロンプトを書くのに役立つ無料資料を配布しています。適切なプロンプトの考え方や運用ガイドライン設計など、誤った回答を防ぐ使い方や組織設計の基礎が学べます。トラブルの少ない運用を実現したい方はぜひお気軽にご覧ください。

【コピペ用】生成AIハルシネーション対策プロンプト集（7本）

そのままコピーして使える対策プロンプトを7本まとめました。いずれも「# 命令書」形式で、ChatGPT・Claudeのどちらでも動作します。{ }で囲った箇所だけ差し替えてください。複数を組み合わせるほど精度は上がりますが、まずは1〜2本から試すのが実用的です。

1. 「わかりません」を許可する（拒否型）

AIは「答えがない」状態を嫌い、それらしい嘘で埋めようとします。最初に逃げ道を用意することで、空白を捏造で埋める動きを止めます。

# 命令書
以下の質問に回答してください。ただし、確実な根拠がない場合は無理に答えず、
「確実な情報がありません」と明記してください。推測・憶測での回答は禁止します。

## 質問
{質問を貼り付け}

2. 根拠と出典を必ず示させる（検証型）

各回答に出典の併記を義務づけると、AIは「出典を書けない情報＝あいまいな情報」を自分で除外しやすくなります。

# 命令書
以下の質問に回答する際は、各記述の根拠（出典・データ・前提）を必ず併記してください。
根拠を示せない記述は「根拠なし」と明記し、断定しないでください。

## 質問
{質問を貼り付け}

3. 与えた資料の外を見せない（ソース限定型）

社内資料の要約や契約書チェックでは、AIの一般知識が混ざると誤りの温床になります。参照範囲を渡した資料だけに固定します。

# 命令書
以下の【資料】のみを根拠に回答してください。
資料に書かれていない情報は使用せず、判断できない場合は
「提供された資料では判断できません」と回答してください。

## 資料
{資料を貼り付け}

## 質問
{質問を貼り付け}

4. 段階的に考えさせる（思考分解型）

結論を急がせると論理が飛躍します。前提整理→分析→結論の順に思考を分解させ、各段階の根拠も書かせます。

# 命令書
以下の問いに、次の手順で段階的に回答してください。
1. 前提条件の整理
2. 検討の過程（根拠を明示）
3. 結論
4. 結論のうち、確証が弱い部分の指摘

## 問い
{問いを貼り付け}

5. 直接引用に限定する（引用固定型）

資料の要約時に、AIに言い換えさせず原文の引用で回答させると、ニュアンスの改変や数値の取り違えを防げます。

# 命令書
添付資料を要約する際は、重要な主張を必ず原文からの直接引用「」で示してください。
原文にない情報は補わず、引用元が特定できない情報は記載しないでください。

## 資料
{資料を貼り付け}

6. 自分の回答を検証させる（自己検証型）

一度出力させた回答を、同じAIに別人格で点検させます。生成と検証を分けることで、見落としを拾います。

# 命令書
まず以下の質問に回答してください。
回答後、あなた自身が「事実確認の担当者」として、その回答に含まれる
事実誤認・根拠不明の箇所を厳しく指摘し、修正版を提示してください。

## 質問
{質問を貼り付け}

7. 複数回出して矛盾を炙り出す（一貫性確認型）

同じ問いに複数回答えさせ、回答がブレる箇所を可視化します。ブレる箇所はAIが「わかっていない」箇所であり、ハルシネーションの危険地帯です。

# 命令書
以下の質問に、独立した視点から3回回答してください。
[回答1][回答2][回答3]として分け、最後に3つの回答で食い違った点を
「不確実な論点」として箇条書きにしてください。

## 質問
{質問を貼り付け}

上記7本は、検証系（2・6・7）・制約系（1・3・5）・文脈付与系（4）に分類できます。1本で完璧を狙うより、「制約系で範囲を絞り、検証系で疑わせる」と組み合わせるのが、現場で最も再現性の高い使い方になります。

プロンプトの考え方や書き方を深く知りたい方は、以下の資料で解説していますので、お気軽にご覧ください。

そもそも生成AIのハルシネーションとは何か

生成AIのハルシネーションとは、事実に基づかない情報を、あたかも正しいかのように生成する現象を指します。存在しない論文・実在しない統計・誤った日付などを、自然な文章で堂々と出力するのが特徴です。「幻覚」と訳されるとおり、AIが見ているのは事実そのものではなく「もっともらしい言葉の並び」です。

生成AIは、入力された文章の次に来る確率が最も高い単語を予測し続けることで文章を作ります。つまり「正しいかどうか」ではなく「自然につながるかどうか」で言葉を選んでいます。そのため、学習データに無い領域や、あいまいな質問に対しては、確率的にそれらしい単語を埋めてしまい、結果として誤情報が生まれます。プロンプトでの対策は、この「空白を埋めようとする動き」に制約をかける打ち手です。

対策プロンプトが効く仕組み｜3つの型で整理する

ハルシネーション対策プロンプトは、AIの「埋めようとする動き」のどこを抑えるかで3つの型に分かれます。型を理解すると、自社の業務に合わせてプロンプトを自作・改変できるようになります。

型	何をするか	代表プロンプト	効く場面
制約系	参照範囲・回答可否を縛る	ソース限定／わからない許可	社内資料の要約・契約確認
検証系	出力を自分で疑わせる	自己検証／一貫性確認	調査・分析・社外提出物
文脈付与系	思考の手順を与える	段階的思考／直接引用	複雑な論点整理

制約系は「間違える余地そのものを減らす」、検証系は「間違いを後工程で拾う」、文脈付与系は「論理の飛躍を防ぐ」役割です。業務の性質に応じて、どの型を厚くするかを決めるのが設計の出発点になります。

【業務別】そのまま使えるハルシネーション対策プロンプト実例

汎用テンプレートは便利ですが、実務では「議事録なら何を縛るべきか」が変わります。ここでは現場で頻度の高い3業務について、そのまま使える実例を用意しました。{ }内を差し替えれば即運用できます。

議事録の要約｜発言の捏造を防ぐ

議事録AIは、聞き取れなかった箇所を「ありそうな発言」で補完しがちです。発言録の外を禁止し、不明箇所を明示させます。

# 命令書
以下の【発言録】のみを根拠に議事録を要約してください。
– 発言録にない決定事項・数値・固有名詞を補ってはいけません
– 聞き取り不能・判断不能な箇所は「（要確認）」と明記してください
– 「誰が」「何を」「いつまでに」を、発言録に書かれている範囲だけで整理してください

## 発言録
{文字起こしを貼り付け}

市場調査・リサーチ｜実在しない統計の捏造を防ぐ

調査タスクは、AIが具体的な数字や出典を「それらしく」捏造する典型例です。出典の併記と、不明時の正直な申告を義務づけます。

# 命令書
{調査テーマ}について調査してください。ただし以下を厳守してください。
– 各データ・数値には必ず出典（機関名・調査年）を併記する
– 出典を特定できない数値は記載せず「公開データを確認できませんでした」とする
– 推計値の場合は「推計」と明記し、根拠の前提を示す

## 調査テーマ
{テーマを貼り付け}

法務・契約確認｜「問題なし」の安請け合いを防ぐ

法務確認でAIが見落としを「問題なし」と断言すると致命的です。判断の根拠条文を必須化し、確証が持てない論点を必ず残させます。

# 命令書
以下の【契約条文】について、{確認観点}の観点で確認してください。
– 指摘の根拠となる条文番号・文言を必ず引用する
– 一般的な法令の解釈に踏み込む場合は「専門家の確認が必要」と明記する
– 「問題なし」と断定せず、確証が持てない論点は「要確認事項」として残す

## 契約条文
{条文を貼り付け}

## 確認観点
{確認したい点を貼り付け}

これらは、最終的な意思決定や法的判断を人が担うことを前提とした下書き支援です。AIの出力をそのまま提出物にしない運用とセットで機能します。

Before/After｜プロンプトでハルシネーションはどう減るか

対策プロンプトの効果は、同じ質問への出力を比べると一目でわかります。ここでは「自社にしか存在しない社内データを尋ねる」という、AIが最もハルシネーションを起こしやすい状況で比較します。

Before（対策プロンプトなし）

質問：「当社の2025年度の問い合わせ件数の月別推移を教えて」

2025年度の問い合わせ件数は、4月の1,250件から始まり、繁忙期の8月には2,480件まで増加しました。年間では概ね右肩上がりの傾向が見られます。

AIは社内データを持っていないにもかかわらず、それらしい数値を生成しています。この数字には何の根拠もありません。

After（ソース限定＋わからない許可を適用）

同じ質問に、対策プロンプト「3. 与えた資料の外を見せない」を適用した場合：

提供された資料では判断できません。2025年度の問い合わせ件数の月別推移を回答するには、該当データ（月別件数の一覧など）の提供が必要です。

捏造された数字が消え、「データが足りない」という正しい状態を返しています。改善のポイントは、AIに「答えられない選択肢」と「参照範囲」を同時に与えたことです。数字を出させないのではなく、根拠のない数字を出させない設計が効いています。

プロンプトで防ぎきれないときの対策手法

プロンプトは強力ですが万能ではありません。最新情報が必要なタスクや、絶対に誤れない領域では、仕組み側の対策を組み合わせます。プロンプト（運用の工夫）と仕組み（システム投資）の二層で守るのが実務の基本構成です。

• RAG（検索拡張生成）の導入​​：社内文書やデータベースをAIに参照させ、回答の根拠を自社の正データに固定します。月額数十万〜数百万円規模の投資になるため、誤りが許されない基幹業務から優先します
• ​最新機能でのファクトチェック​​：Web検索機能やリサーチ機能で出典付きの回答を得て、人が原典を確認します
• ​複数AIでのクロスチェック​​：同じ問いを別のAIにも投げ、回答が割れた論点を人が精査します
• ​人間レビュー体制の固定化​​：社外提出物・法的判断・数値を含む資料は、AI出力を必ず人が一次資料と突き合わせる工程を業務フローに組み込みます

仕組み側の投資判断は、業務の「誤りが生む損失の大きさ」で決めるのが合理的です。全社一律で高価なRAGを入れるより、リスクの高い業務から段階的に固めていく方が費用対効果は高くなります。

ChatGPT・Claudeでの出し分けのコツ

同じ対策プロンプトでも、AIの個性によって効き方が変わります。ChatGPTとClaudeは挙動の傾向が異なるため、業務に合わせて使い分けると精度が安定します。Gemini固有の機能（Google検索連携やGemini for Workspaceでの社内データ参照）を使った対策は、姉妹記事「Geminiのハルシネーション対策」で詳しく扱います。

ツール	傾向	向く業務	対策プロンプトの相性
ChatGPT	創造性が高く、空白を補完しがち	企画・たたき台作成	制約系（ソース限定・わからない許可）を厚めに
Claude	慎重で、不確実な点を保留しやすい	法務・長文資料の精読	検証系を足すと根拠提示がさらに安定

ChatGPTは流暢さの裏返しで、根拠のない断定が出やすい傾向があります。制約系プロンプトで参照範囲を縛るのが有効です。Claudeは「わかりません」を比較的素直に返すため、長文の契約書や仕様書の精読に向きます。どちらを使う場合も、出力を鵜呑みにせず人が一次資料で確認する工程は欠かせません。

他社の取り組み｜社労士事務所altruloop・ホットリンクに学ぶ情報精度の担保

プロンプトの工夫は、運用ルールと一体で初めて機能します。AI経営総合研究所が​独自に取材した先行企業の活用実態​から、ハルシネーションを業務で抑え込んでいる2社の取り組みを紹介します。

社労士事務所altruloop｜ファクト提示の必須化で誤回答を抑制

社労士事務所altruloopは、助成金申請という正確性が絶対条件の業務にAIを組み込み、​​「5、6時間かかっていた業務が30分程度で終わるようになりました。事務スタッフは特に大きな恩恵を受けていると思います」​​という成果を実現しています。これを支えているのが情報精度の運用ルールです。AIの回答時に「どの資料に基づいた回答か」というファクト提示を必須化し、数百ページのPDF資料を読み込ませて根拠に紐づく回答だけを採用する設計で、複数のAI（Gemini・NotebookLM・ChatGPT・Manus）を業務特性に合わせて使い分けています。

ポイントは、​​根拠資料の提示をワークフローに組み込み、推測での回答を構造的に許さなかったこと​​。本記事のソース限定型・根拠明示型プロンプトを、業務ルールとして固定した実例です。

詳細は社労士事務所altruloopのインタビュー記事で紹介しています。

ホットリンク｜利用ガイドラインの早期策定で安全に活用拡大

株式会社ホットリンクは、​​「クライアント情報をそのまま入力しない」「オプトアウト設定を確実に行う」といった利用ガイドラインをAIセキュリティ管理チームを中心に迅速に策定し、従業員へ周知徹底した上で利用を進めていった​​と、ルール先行でAI活用を広げました。2023年4月から全社員にChatGPTの有料個人プランを付与し、社員の96.4%が週3回以上AIを利用する水準まで浸透させています。

ポイントは、​​何を入力してよいかの線引きを先に決め、現場の判断に委ねなかったこと​​。情報精度の前段にある「危ない使い方を構造的に防ぐ」運用設計です。

詳細は株式会社ホットリンクのインタビュー記事で紹介しています。

2社に共通する設計思想​​：①根拠・出典の提示を「任意」でなく「必須」にする ②入力・参照の範囲を業務ルールで先に縛る ③最終判断は人が担い、AI出力を提出物にしない。プロンプト単体ではなく、運用ルールと一体で設計することが、現場でハルシネーションを抑える分かれ目になります。

まとめ｜対策プロンプトと運用ルールの二層で安全な活用を実現する

生成AIのハルシネーション対策は、「拒否・ソース限定・自己検証」の3型のプロンプトを業務に合わせて組み合わせることが土台になります。議事録・調査・法務といった実タスクでは、汎用テンプレートをそのまま使うのではなく、参照範囲と不明時の振る舞いを業務ごとに縛るのが有効です。

そのうえで、誤りが許されない業務にはRAGや人間レビューといった仕組み側の対策を重ね、最終判断は人が担う体制を組みます。先行企業の事例が示すとおり、プロンプトは運用ルールと一体になって初めて現場で機能します。本記事のプロンプト集を、自社の業務フローに組み込むところから始めてください。や研修を検討されることをおすすめします。

以下の資料では、プロンプトの考え方やご回答によるトラブルを防ぐ組織設計などを解説しています。ハルシネーションを防ぐプロンプト設計や組織体制を参考になりますので、ぜひお気軽にご覧ください。

よくある質問